Avance em sua carreira profissional com uma capacitação que irá equipá-lo com todos os conhecimentos necessários sobre Robótica e Indústria 4.0"

Os robôs podem tomar decisões e atuar de forma autônoma, considerando todas as informações do ambiente, adquiridas por meio de sensores. O profissional de engenharia contribui na fase de desenvolvimento e criação com todos os seus conhecimentos nesse campo, dominando os algoritmos que permitem o planejamento adequado de tarefas e movimentos.

Este Programa avançado enfatiza o complexo mundo algorítmico para analisar os principais problemas de autonomia e movimentos do robô, aplicando as estratégias mais adequadas para solucioná-los. Com uma abordagem eminentemente prática, o aluno desse programa será apresentado a um setor que exige um conhecimento avançado das técnicas que viabilizam os sistemas de percepção e visão.

Além disso, o profissional de engenharia será acompanhado por um corpo docente especializado nessa área, que fornecerá os últimos avanços técnicos obtidos no processo de localização e mapeamento simultâneo, conhecido como SLAM. Dessa forma, o aluno se depara com um programa abrangente, onde poderá obter uma sólida formação em uma área da robótica que busca profissionais cada vez mais qualificados.

Trata-se de uma oportunidade para o profissional que pretenda especializar-se, permitindo-lhe flexibilidade no acesso ao plano de estudos. A TECH proporcionará neste Programa avançado um completo conteúdo multimídia disponível para download desde o primeiro dia, que poderá ser visualizado a qualquer momento, além de um sistema Relearning, baseado na reiteração, que facilitará a aprendizagem.

Um programa 100% online adaptado às suas necessidades. Acesse-o a qualquer momento utilizando um dispositivo com conexão à internet"

Este Programa avançado de Sistemas de Navegação para Robôs conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Engenharia Robótica
• O conteúdo gráfico, esquemático e extremamente útil  fornece informações científicas e práticas sobre aquelas disciplinas indispensáveis para o exercício da profissão
• Exercícios práticos onde o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Lições teóricas, perguntas aos especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

Matricule-se e conheça as últimas técnicas de otimização de sensores ópticos para a robótica"

A equipe de professores deste programa inclui profissionais da área, cuja experiência de trabalho é somada nesta capacitação, além de reconhecidos especialistas de instituições e universidades de prestígio.

Através do seu conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, o profissional poderá ter uma aprendizagem situada e contextual, ou seja, em um ambiente simulado que proporcionará uma capacitação imersiva planejada para praticar diante de situações reais.

A proposta deste plano de estudos se fundamenta na Aprendizagem Baseada em Problemas, onde o profissional deverá resolver as diferentes situações da prática profissional que surjam ao longo do programa acadêmico. Para isso, o profissional contará com a ajuda de um inovador sistema de vídeo interativo desenvolvido por destacados especialistas nesta área.

O método de ensino Relearning e o conteúdo multimídia facilitarão o alcance de suas metas. Clique e matricule-se agora"

Através deste programa, você poderá criar algoritmos de processamento de imagens digitais mais avançados"

O plano de estudos desse Programa avançado foi elaborado por uma equipe de profissionais com ampla experiência na Indústria 4.0. É por isso que essa capacitação está estruturada em 4 módulos, nos quais o aluno terá acesso a um vasto material audiovisual que irá conduzi-lo pelos principais conceitos do design, da modelagem e algoritmos, além da visão em robótica ou mapeamento simultâneo utilizando técnicas de visão artificial. As leituras fundamentais e os casos práticos reais apresentados pela equipe de professores completam esse programa.

Você terá à sua disposição as principais ferramentas para criar designs e modelagens de robôs. Matricule-se e especialize-se"

Módulo 1. Robótica: Design e Modelagem de Robôs

1.1. Robótica e Indústria 4.0

1.1.1. Robótica e Indústria 4.0
1.1.2. Campos de Aplicação e casos de uso
1.1.3. Subáreas de especialização em Robótica

1.2. Arquiteturas hardware e software de robôs

1.2.1. Arquiteturas hardware e tempo real
1.2.2. Arquiteturas software de robôs
1.2.3. Modelos de comunicação e tecnologias middleware
1.2.4. Integração de software com Robot Operating System (ROS)

1.3. Modelagem matemática de robôs

1.3.1. Representação matemática de sólidos rígidos
1.3.2. Rotações e translações
1.3.3. Representação hierárquica do Estado
1.3.4. Representação distribuída do estado em ROS (Biblioteca TF)

1.4. Cinemática e dinâmica de robôs

1.4.1. Cinemática
1.4.2. Dinâmica
1.4.3. Robôs subatuados
1.4.4. Robôs redundantes

1.5. Modelagem de robôs e simulação

1.5.1. Tecnologias de modelagem de robôs
1.5.2. Modelagem de robôs com URDF
1.5.3. Simulação de robôs
1.5.4. Modelagem com simulador Gazebo

1.6. Robôs manipuladores

1.6.1. Tipos de robôs manipuladores
1.6.2. Cinemática
1.6.3. Dinâmica
1.6.4. Simulação

1.7. Robôs móveis terrestres

1.7.1. Tipos de Robôs móveis terrestres
1.7.2. Cinemática
1.7.3. Dinâmica
1.7.4. Simulação

1.8. Robôs móveis aéreos

1.8.1. Tipos de robôs móveis aéreos
1.8.2. Cinemática
1.8.3. Dinâmica
1.8.4. Simulação

1.9. Robôs móveis aquáticas

1.9.1. Tipos de robôs móveis aquáticas
1.9.2. Cinemática
1.9.3. Dinâmica
1.9.4. Simulação

1.10. Robôs bioinspirados

1.10.1. Humanóides
1.10.2. Robôs com quatro ou mais pernas
1.10.3. Robôs modulares
1.10.4. Robôs com partes flexíveis (Soft-Robotics)

Módulo 2. Algoritmos de Planejamento em Robôs

2.1. Algoritmos de planejamento clássico

2.1.1. Planejamento discreto: espaço de estados
2.1.2. Problemas de planejamento em Robótica. Modelos de sistemas robóticos
2.1.3. Classificação dos planejadores

2.2. O problema do planejamento da trajetória em robôs móveis

2.2.1. Formas de representação do ambiente: grafos
2.2.2. Algoritmos de busca em grafos
2.2.3. Introdução de custos nos grafos
2.2.4. Algoritmos de busca com grafos pesados
2.2.5. Algoritmos com abordagem de qualquer ângulo

2.3. Planejamento em sistemas robóticos de alta dimensionalidade

2.3.1. Problemas de Robótica de Alta Dimensionalidade: manipuladores
2.3.2. Modelo cinemático direto/inverso
2.3.3. Algoritmos de planejamento de amostragem PRM e RRT
2.3.4. Planejamento para restrições dinâmicas

2.4. Planejamento por amostragem ideal

2.4.1. Problemática dos planejadores baseados em amostragem
2.4.2. RRT conceito de otimização probabilística
2.4.3. Etapa de reconexão: restrições dinâmicas
2.4.4. CForest. Planejamento paralelizado

2.5. Implementação real de um sistema de planejamento de movimentos

2.5.1. Problema de planejamento global. Ambientes dinâmicos
2.5.2. Ciclo de ação, sensorização. Aquisição de informações do ambiente
2.5.3. Planejamento local e global

2.6. Coordenação em sistemas multirobô I: sistema centralizado

2.6.1. Problema de coordenação multirobô
2.6.2. Detecção e resolução de colisões: modificação de trajetórias com algoritmos genéticos
2.6.3. Outros algoritmos de bioinspiração: enxame de partículas e fogos de artifício
2.6.4. Algoritmo de prevenção de colisão de escolha de manobra

2.7. Coordenação em sistemas multirobô II: abordagens distribuídas I

2.7.1. Uso de funções alvo complexas
2.7.2. Frente de Pareto
2.7.3. Algoritmos evolutivos multiobjetivos

2.8. Coordenação em sistemas multirobô III: abordagens distribuídas II

2.8.1. Sistemas de planificação de ordem 1
2.8.2. Algoritmo ORCA
2.8.3. Adicionadas restrições cinemáticas e dinâmicas em ORCA

2.9. Teoria do planejamento por decisões

2.9.1. Teoria da decisão
2.9.2. Sistemas de decisão sequencial
2.9.3. Sensores e espaços de informação
2.9.4. Planejamento diante da incerteza na sensorização e na atuação

2.10. Sistemas de planejamento de aprendizado por reforço

2.10.1. Obtenção da recompensa esperada de um sistema
2.10.2. Técnicas de aprendizado por recompensa média
2.10.3. Aprendizado por reforço reverso

Módulo 3. Técnicas de Visão Artificial em Robótica: Processamento e Análise de Imagens

3.1. A Visão Computacional

3.1.1. A Visão Computacional
3.1.2. Elementos de um sistema de visão por computador
3.1.3. Ferramentas matemáticas

3.2. Sensores ópticos para robótica

3.2.1. Sensores ópticos passivos
3.2.2. Sensores ópticos ativos
3.2.3. Sensores não ópticos

3.3. Aquisição de imagens

3.3.1. Representação de imagens
3.3.2. Espaço de cores
3.3.3. Processo de digitalização

3.4. Geometria das imagens

3.4.1. Modelos de lentes
3.4.2. Modelos de câmeras
3.4.3. Calibração de câmeras

3.5. Ferramentas matemáticas

3.5.1. Histograma de uma imagem
3.5.2. Convolução
3.5.3. Transformada de Fourier

3.6. Pré-processamento de imagens

3.6.1. Análise de ruídos
3.6.2. Suavização de imagem
3.6.3. Realce de imagens

3.7. Segmentação de imagens

3.7.1. Técnicas baseadas em contornos
3.7.2. Técnicas baseadas em Histograma
3.7.3. Operações morfológicas

3.8. Detecção de características nas imagens

3.8.1. Detecção de pontos de interesse
3.8.2. Descritores característicos
3.8.3. Correspondências entre características

3.9. Sistemas de visão 3D

3.9.1. Percepção 3D
3.9.2. Correspondência de recursos entre imagens
3.9.3. Geometria com múltiplas vistas

3.10. Localização baseada na Visão Artificial

3.10.1. O problema da localização de robôs
3.10.2. Odometria Visual
3.10.3. Fusão sensorial

Módulo 4. SLAM Visual. Localização de Robôs e Mapeamento Simultâneo usando Técnicas de Visão Artificial

4.1. Localização e Mapeamento Simultâneo (SLAM)

4.1.1. Localização e Mapeamento Simultâneo. SLAM
4.1.2. Aplicações do SLAM
4.1.3. Funções do SLAM

4.2. Geometria projetiva

4.2.1. Modelo Pin-Hole
4.2.2. Estimativa de parâmetros intrínsecos de uma câmara
4.2.3. Homografia, princípios básicos e estimativa
4.2.4. Matriz fundamental, princípios e estimativa

4.3. Filtros gaussianos

4.3.1. Filtro de Kalman
4.3.2. Filtro de informações
4.3.3. Ajuste e parametrização dos filtros gaussianos

4.4. Estéreo EKF-SLAM

4.4.1. Geometria da câmera estéreo
4.4.2. Extração e busca de características
4.4.3. Filtro de Kalman para SLAM estéreo
4.4.4. Ajuste de parâmetro estéreo EKF-SLAM

4.5. Monocular EKF-SLAM

4.5.1. Parametrização de Landmarks em EKF-SLAM
4.5.2. Filtro de Kalman para SLAM monocular
4.5.3. Ajuste de parâmetros EKF-SLAM monocular

4.6. Detecção de fechamento de loop

4.6.1. Algoritmo de força bruta
4.6.2. FABMAP
4.6.3. Abstração usando GIST e HOG
4.6.4. Detecção de aprendizagem profunda

4.7. Graph-SLAM

4.7.1. Graph-SLAM
4.7.2. RGBD-SLAM
4.7.3. ORB-SLAM

4.8. Direct Visual SLAM

4.8.1. Análise do algoritmo Direct Visual SLAM
4.8.2. LSD-SLAM
4.8.3. SVO

4.9. Visual Inertial SLAM

4.9.1. Integração de medições inerciais
4.9.2. Baixo acoplamento: SOFT-SLAM
4.9.3. Alto acoplamento: Vins-Mono

4.10. Outras tecnologias de SLAM

4.10.1. Aplicações além do SLAM visual
4.10.2. Lidar-SLAM
4.10.2. Range-only SLAM

Aproveite a oportunidade para se atualizar sobre os últimos avanços na área e aplicá-los à sua prática diária"